| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题背景 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 数据挖掘研究现状 | 第16-17页 |
| 1.2.2 云计算研究现状 | 第17-18页 |
| 1.3 课题研究内容 | 第18页 |
| 1.4 本文组织结构 | 第18-20页 |
| 第二章 关联规则与Hadoop框架的研究 | 第20-28页 |
| 2.1 关联规则挖掘概述 | 第20-21页 |
| 2.1.1 关联规则目标 | 第20页 |
| 2.1.2 关联规则基本概念 | 第20-21页 |
| 2.2 Apriori & FP-Growth关联规则算法 | 第21-22页 |
| 2.3 Hadoop简介 | 第22-24页 |
| 2.4 Hadoop技术核心 | 第24-27页 |
| 2.4.1 HDFS | 第24-26页 |
| 2.4.2 MapReduce | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于矩阵的MFUP增量式更新算法 | 第28-36页 |
| 3.1 增量式更新概述 | 第28页 |
| 3.2 FUP算法 | 第28-30页 |
| 3.2.1 FUP基本思想 | 第28-30页 |
| 3.2.2 FUP算法的不足 | 第30页 |
| 3.3 MFUP算法 | 第30-32页 |
| 3.4 实验及结果分析 | 第32-34页 |
| 3.4.1 实验数据及环境 | 第32-33页 |
| 3.4.2 实验结果 | 第33-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第四章 基于Hadoop平台的CMFUP增量更新算法的设计 | 第36-42页 |
| 4.1 MFUP的瓶颈 | 第36页 |
| 4.2 云环境下的CMFUP算法 | 第36-39页 |
| 4.3 实验及结果分析 | 第39-40页 |
| 4.3.1 实验数据及环境 | 第39页 |
| 4.3.2 实验结果 | 第39-40页 |
| 4.4 本章小结 | 第40-42页 |
| 第五章 基于关联规则的推荐方法 | 第42-50页 |
| 5.1 推荐方法概述 | 第42页 |
| 5.2 推荐方法分类与选择 | 第42-45页 |
| 5.2.1 协同过滤推荐 | 第43-44页 |
| 5.2.2 基于内容推荐 | 第44页 |
| 5.2.3 基于关联规则推荐 | 第44-45页 |
| 5.3 关联规则与个性化推荐 | 第45-46页 |
| 5.4 实验及结果分析 | 第46-48页 |
| 5.4.1 实验数据及环境 | 第46页 |
| 5.4.2 实验结果 | 第46-48页 |
| 5.5 本章小结 | 第48-50页 |
| 第六章 基于CMFUP的商品推荐系统的设计与实现 | 第50-62页 |
| 6.1 系统设计 | 第50-56页 |
| 6.1.1 系统定义 | 第50-52页 |
| 6.1.2 系统功能 | 第52页 |
| 6.1.3 系统详细设计 | 第52-56页 |
| 6.2 系统实现及测试 | 第56-60页 |
| 6.3 本章小结 | 第60-62页 |
| 第七章 总结与展望 | 第62-64页 |
| 7.1 总结 | 第62-63页 |
| 7.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 研究成果及发表的学术论文 | 第70-72页 |
| 作者与导师简介 | 第72-74页 |
| 附件 | 第74-75页 |